《IEEE Aerospace and Electronic Systems Magazine》:A Data Association Approach Based on Pseudo Baseline Direction Consistency for Angle-Only Measurements With Unknown Sensor Positions
编辑推荐:
为解决无人机蜂群等低成本移动平台在传感器位置未知或存在误差条件下,难以对纯角度量测进行数据关联的问题,研究人员开展了一项基于伪基线方向一致性(Pseudo Baseline Direction Consistency)的研究。该研究提出了一种不依赖传感器位置信息的新型数据关联算法(DABC),通过构建伪基线方向向量并评估其一致性作为关联代价函数。结果表明,该方法在存在传感器位置误差、漏检和虚警等复杂场景下,均能保持较高的关联准确率,为多平台协同作战提供了关键技术支撑。
在无人机蜂群对抗、弹头群拦截等现代作战场景中,多平台协同作战能极大提升拦截效率。然而,面对目标体积小、外观相似、距离远的蜂群目标,传统的基于形状、颜色、纹理等特征的目标识别方法往往失效。此时,被动光学传感器(如红外或可见光)获取的纯角度量测(Angle-Only Measurements)成为了数据关联的关键信息。
数据关联技术旨在为不同平台上的目标数据建立对应关系,是实现目标分配和协同打击的基础。然而,经典的纯角度量测数据关联方法通常基于视线(Line of Sight, LoS)之间的距离来衡量关联度。这类方法高度依赖精确的传感器位置信息。对于无人机等低成本移动平台而言,其位置通常由卫星导航或惯性导航系统提供,容易受到干扰或存在累积误差,难以满足高精度定位需求。当传感器位置存在误差时,视线会发生偏移,导致正确的关联关系被误判,关联性能急剧下降。
针对传感器位置误差问题,现有方法通常采用先标定后关联或联合求解关联与偏差估计的策略。但这些方法对初始关联关系的正确性非常敏感,且在处理密集目标场景时性能显著退化。此外,一些基于相对拓扑关系(Reference Topological, RET)的方法虽然不依赖传感器位置,但通常假设传感器能获得完整的目标位置信息(如三维坐标),且在处理传感器观测方向差异较大时,会因透视变换而失效。
因此,如何在传感器位置未知或存在较大误差的情况下,实现高精度的纯角度量测数据关联,成为了一个亟待解决的关键技术难题。
为了回答这一问题,研究人员开展了一项基于伪基线方向一致性(Pseudo Baseline Direction Consistency)的研究,提出了一种不依赖传感器位置信息的新型数据关联算法(DABC)。该研究通过挖掘数据内部隐含的几何约束特征,构建了基于伪基线方向一致性的代价函数,并利用马尔可夫链蒙特卡洛(MCMC)方法进行优化求解。研究结果表明,该方法在存在传感器位置误差、漏检和虚警等复杂场景下,均能保持较高的关联准确率,为多平台协同作战提供了关键技术支撑。该论文已发表于《IEEE Aerospace and Electronic Systems Magazine》。
关键技术方法
本研究主要采用了以下关键技术方法:
- 1.
伪基线方向向量构建:对于任意两对角度量测方向向量,分别进行叉乘得到两个法向量,再对这两个法向量进行叉乘,得到伪基线方向向量。该向量在正确关联时与真实基线方向一致,其计算过程仅涉及角度量测,不依赖传感器位置信息。
- 2.
一致性代价函数设计:将关联结果中所有非虚警量测对对应的法向量构成矩阵A,通过奇异值分解(SVD)求解最小奇异值对应的向量作为伪基线方向估计值。代价函数定义为该估计值与矩阵A乘积的L1范数,该值越小,表明伪基线方向一致性越好,关联结果越可能正确。
- 3.
MCMC优化求解:由于代价函数无法分解为独立项,无法使用匈牙利算法等传统方法求解。研究采用马尔可夫链蒙特卡洛(MCMC)方法,通过Switch、Split、Merge三种状态转移操作,在解空间中搜索具有最小代价的关联结果,同时能动态确定目标数量。
- 4.
仿真与实验验证:通过仿真实验,系统分析了传感器位置误差、观测角度、目标数量、检测概率和量测误差对算法性能的影响。同时,设计了包含四种典型相机姿态的真实实验场景,验证了算法在实际应用中的有效性。
研究结果
1. 传感器位置误差对算法性能的影响
在理想条件下(无漏检、虚警,观测方向相近),随着传感器位置误差标准差(σP)从0米增加到10米,基于视线距离的UF算法关联准确率(ACC)从95.1%急剧下降至10.5%。而SDA、JACF、RET、MADS及本文提出的DABC算法均表现出较强的鲁棒性,关联准确率保持在97%以上。当σP进一步增大至105米时,DABC算法的关联准确率仍稳定在92%左右,验证了其不依赖传感器位置信息的特性。
2. 传感器观测方向对算法性能的影响
随着传感器光轴夹角从10°增大到90°,基于成像平面相对拓扑关系(RET)的算法性能迅速下降,关联准确率从99.1%降至55.4%。而DABC算法及其他基于视线的方法(SDA、JACF、MADS)性能未受明显影响,关联准确率均保持在95%以上,表明DABC算法能够有效处理大角度观测差异。
3. 目标数量对算法性能的影响
随着目标数量从6个增加到10个,SDA和JACF算法的关联准确率分别从94.7%和96.5%下降至84.2%和87.5%,主要受“鬼影”(Ghosts)现象影响。而DABC算法的关联准确率始终保持在99.8%以上,表现出对密集目标场景的良好适应性。
4. 目标检测概率对算法性能的影响
随着目标检测概率(PD)从98%降低至90%,SDA、JACF、RET和MADS算法的关联准确率均出现显著下降。而DABC算法通过合理估计量测误差引起的代价函数值变化范围,能够有效拒绝由漏检和虚警引起的错误关联,关联准确率仅从99.8%轻微下降至95.9%,表现出对数据完整性的低要求和高鲁棒性。
5. 角度量测误差对算法性能的影响
随着角度量测误差标准差(σA)从1mrad增加到5mrad,DABC算法的关联准确率从94.9%下降至74.7%。这表明角度量测误差是影响DABC算法性能的主要因素,与理论分析一致。
6. 实验验证结果
在包含四种不同相机姿态(Pose 1-4)的真实实验中,DABC算法在所有场景下均获得了正确的关联结果。特别是在Pose 4场景中,算法成功处理了漏检和虚警情况,验证了其在真实应用中的有效性。
结论与讨论
本研究提出了一种基于伪基线方向一致性的纯角度量测数据关联方法(DABC)。该方法的核心创新在于设计了一种不依赖传感器位置信息的代价函数,通过评估关联结果中伪基线方向的一致性来判断关联的正确性。
研究结果表明,DABC算法在传感器位置未知或存在较大误差的情况下,依然能保持较高的关联准确率。与现有方法相比,该方法具有以下显著优势:
- 1.
位置无关性:算法计算过程不涉及传感器位置信息,从根本上消除了传感器位置误差对数据关联的影响。
- 2.
强鲁棒性:对漏检和虚警具有较高的容忍度,能够有效拒绝由数据不完整引起的错误关联。
- 3.
广适用性:能够处理传感器观测方向差异较大的场景,适用于无人机蜂群等复杂对抗环境。
该研究为低成本移动平台在复杂电磁环境下的多目标协同跟踪与打击提供了关键技术支撑,具有重要的理论价值和广阔的应用前景。